Green AI

Kvalitet vode je od ključnog značaja za životnu sredinu, biodiverzitet i zdravlje ljudi. Kako bi se poboljšao proces donošenja odluka i ekološki status reka, predlaže se okvir baziran na veštačkoj inteligenciji (VI) za praćenje, predviđanje kvaliteta vode i alarmiranje.
Ovaj okvir se oslanja na postojeći sistem merenja kvaliteta vode (SEPA – Agencija za zaštitu životne sredine Republike Srbije) koji podrazumeva dnevna merenja kvaliteta vode na nekoliko mernih stanica u Srbiji. Predlog proširuje i poboljšava postojeći merni sistem obezbeđivanjem podataka o kvalitetu vode u realnom vremenu na preciznijoj vremenskoj rezoluciji. Pametne plutajuće bove sa višestrukim senzorima poboljšavaju monitoring kvaliteta vode i služe kao podrška državnom sistemu monitoringa (SEPA).
Pored toga, moguća je procena kvaliteta vode duž rečnog toka korišćenjem opremljenih dronova za uzorkovanje vode. Dronovi prikupljaju informacije sa različitih rečnih deonica, na određenim GPS tačkama između plutajućih bova, koji osmatraju proces transformacije kvaliteta vode, čime se poboljšava prostorna rezolucija merenja kvaliteta vode. Dodatna vrednost projekta ogleda se u korišćenju satelitskih snimaka čijom se analizom pruža dodatna informacija o kvalitetu vode duž rečnog toka.

Procena ekološkog statusa rečnih sistema uvek je aktuelna tema interesovanja naučnika iz oblasti ekologije i inženjerstva zaštite životne sredine. Jedan od osnovnih indikatora ekološkog statusa reka je koncentracija ortofosfatnih anjona koja determiniše kvalitet vode i stopu eutrofizacije. Ocenom prisustva makrofita, kao zvaničnih bioloških parametara za procenu ekološkog statusa, može se primeniti in situ procena ekološkog statusa.
Pogodnost primene makrofita u oceni ekološkog statusa zasnovana je na njihovoj eurivalentnosti, odnosno sposobnosti da opstaju i u delovima rečnog toka sa povišenim koncentracijama ortofosfatnih anjona. Do sada je realizovan mali broj istraživanja zasnovanih na proceni ekološkog statusa primenom metoda mašinskog učenja u kojima se kao ulazne varijable koriste biološki parametri. Rezultati modelovanja ekološkog statusa Dunava dobijeni primenom osam „state-of- the-art“ modela mašinskog učenja (Support vector machines, k-nearest neighbor; Decision trees; Random forest; Extra trees; Naïve Bayes; Linear discriminant analysis; Gaussian process classifier) pokazali su da najbolje rezultate modelovanja ekološkog statusa rečnog sistema zasnovanog na prisustvu makrofita kao ulaznih varijabli i klasa ekološkog statusa kao izlaznih varijabli, daju metode Support vector machines i Tree-based models.
Primena metoda mašinskog učenja u proceni ekološkog statusa ne iziskuje finansijske troškove i omogućava očuvanje koncepta održivog razvoja. Arhitektura modela mašinskog učenja kreiranih za potrebe ovog istraživanja može biti primenjena i u budućim istraživanjima baziranim na oceni ekološkog statusa na osnovu prisustva makrofita i koncentracija odabranih hemijskih parametara.

Klimatske promene dovode do velikih prirodnih katastrofa povezanih sa vremenskim prilikama, a posebno pogađajući zemlje na niskom i srednjem stepenu razvoja koje nemaju sofisticirane sisteme za odbranu od poplava. Kako bi se smanjili negativni uticaji poplava, potrebno je razviti pouzdan sistem za predviđanja poplava koji ujedno predstavlja osnovu za investicione odluke kako bi se prilagodili promeni klime.
Nedavno su naučni radovi i Google operativni sistem za predikciju poplava pokazali da rešenja zasnovana na veštačkoj inteligenciji mogu da obezbede pravovremeno upozorenje u vezi poplava. Nadovezujući se na prethodna istraživanja, razvija se sistem za predikciju poplava u uslovima promene klime za manje bujične tokove gde se poplave javljaju neposredno nakon pojave intenzivnih padavina.

Globalno zagrevanje je jedan od glavnih problema današnjice. Rad na tome da se uspori ili još bolje zaustavi sve je intenzivniji širom sveta. Mnoge zemlje idu ka tome da zamene upotrebu tradicionalnih fosilnih goriva alternativnim čistim energentima.
Solarna energija je održiva alternativa fosilnim gorivima i ima mali uticaj na životnu sredinu. U poslednje vreme se sve više koristi i svaka zemlja ima potencijal da je proizvede. U Srbiji su krovne solarne elektrane do pre nekoliko meseci bile retkost, ali je donošenjem odgovarajućih regulativa građanima omogućeno da proizvode zelenu energiju za sopstvenu potrošnju. Danas se u Srbiji dešava solarna ekspanzija, trenutno ima više od 370 registrovanih proizvođača-potrošača ukupnog kapaciteta 5,7 MW, a još je 100 MW u procesu priključenja na mrežu.
U cilju većeg korišćenja solarne energije u Srbiji, napravljen je solarni 3D urbani model za deo opštine u Beogradu, koji je razvijen za proračun i vizuelizaciju potencijala solarne energije krovova zgrada. LIDAR podaci su dobijeni od grada Beograda, na osnovu kojih je napravljen 3D model i proračuni. Odabrani su odgovarajući krovovi po površini, nagibu i orijentaciji i dobijeno je da ovaj deo opštine u Beogradu može da proizvodi skoro 20.000 MWh godišnje.

Značajno povećanje raspoloživih merenih podataka i računarskih kapaciteta privlači veliko interesovanje za formiranje „digitalni blizanaca“ vodoprivrednih sistema. Izraz „digitalni blizanac“ odnosi se na repliku fizičkog sistema koji imitira funkcionisanje realnog sistema. Ovakve replike koriste podatke merenja u realnom vremenu da simuliraju očekivano i kritično ponašanje fizičkog sistema respektivno u regularnim uslovima i u uslovima izvan envelopa projektovanog sistema.
Razvijena je digitalna replika visinomerskog vodoprivrednog sistema “Pirot”, a sa ciljem procene dinamičke rezilijentnosti sistema tokom hazardnih događaja. Za funkcionisanje digitalne replike neophodne je koristiti kaskadne modele koji uključuju hidrološki model, vodoprivredni model, kao i stohastički model za generisanje hazardnih događaja i procenu rizika.
Na osnovu generisanih podataka razvijen je model baziran na neuronskim mrežama za predikciju rizika, a koji se može koristiti za upravljanjem akumulacijom prilikom pojave hazardnih događaja.